Feb, 2016

贝叶斯探索：在贝叶斯博弈中激励探索

PDF
TL;DR本文研究了在互联网经济中个体决策者在制定战略选择时的信息生产和消费，重点关注探索、开发和利益激励之间的平衡，并提出了一种不使用任何货币转移的建议政策设计方法以协调决策者。结果表明，经过实验模拟，设计的建议政策可以达到恒定的遗憾值，即使在面对随机收益时也可以达到对数遗憾。
internet economystrategic choicesrecommendation policybayesian gameregret
发现论文，激发创造
  • 具有异质代理的贝叶斯探索

    该研究考虑利用 Bayesian Exploration 方法设计推荐系统，通过信息不对等来鼓励用户进行探索，此外还将用户分为不同类型，以实现最佳的个性化推荐。

    Feb, 2019

  • 贝叶斯激励兼容赌徒探索

    研究说明在互联网经济和医疗决策等环境中，每个决策者对信息进行开采利用，并产生可能有助于未来决策的信息，社会规划者通过信息披露来鼓励代理商在探索和开采之间取得平衡，从而最大化社会福利，文中提供了一个多臂赌博问题的激励兼容算法，其遗憾在所有多臂赌博算法中（不管是否具有激励兼容性）是渐进最优的。

    Feb, 2015

  • 在赌博环境中通过行动进行社交学习

    本文研究了一种带私人回报和公共行动的策略探索游戏，特别关注级联均衡，在这种均衡中，代理人会随着时间的推移从风险动作转换为无风险动作，仅当他们变得足够悲观。我们证明了在某些条件下这些均衡存在，并确定了它们的显著性质，同时研究了让代理人书写可执行的前期合同，从而提供了一个解释为什么更成熟的公司收购较小初创公司的收益流的方式。

    May, 2022

  • (几乎) 免费的去中心化学习代理的激励探索

    本文探讨了在多臂赌博机中利用多个具有长期战略的代理人进行奖励探索，并提出了一种简单但有效的激励策略，结果表明，当涉及足够多的学习代理人时，主体的探索过程几乎是免费的。

    Oct, 2021

  • 基于模型的贝叶斯探索

    本文论述的是如何在强化学习的算法中基于概率分布估算每个行动的信息价值，并选择能够平衡探索与利用的最佳行动。

    Jan, 2013

  • 奖励驱动的委托代理赌博游戏中的学习

    这项研究考虑了一个反复的委托人 - 代理人强盗游戏，委托人仅能通过代理人与环境进行交互。委托人和代理人的目标不一致，选择行动的权限仅留给代理人。然而，委托人可以通过提供激励来影响代理人的决策，这些激励为代理人的回报增加。委托人旨在迭代学习一种激励策略以最大化自己的总效用。该框架扩展了传统的强盗问题，并受到了诸多实际应用的启发，如医疗保健或生态税收，这些领域中传统机制设计理论经常忽视问题的学习方面。我们提出了几乎最优（就 $T$ 而言）的学习算法，用于委托人在多臂和线性背景环境中的遗憾，并通过数值实验验证了我们的理论保证。

    Mar, 2024

  • 通过筛选后验采样激励探索

    社交学习问题中的激励探索（IE）进行了研究，其中委托方（推荐算法）可以利用信息不对称来激励连续到达的代理采取探索性行动。我们确定了后验抽样作为 IE 的一种通用解决方案，后验抽样在多臂赌博机文献中是众所周知的。我们在几个实际相关的维度上扩展了 IE 的现有范围，从私有代理类型到信息丰富的推荐，再到相关的贝叶斯先验。我们在 IE 中获得了后验抽样的一般分析，从而使我们能够将这些扩展设置作为推论收入，同时也可以作为特殊情况恢复现有结果。

    Feb, 2024

  • 估计和激励带有隐藏回报的不完美知识代理

    研究探讨了自私学习代理和学习主体之间的重复逆向选择博弈，代理通过解决多臂赌博机问题来最大化其预期奖励和激励，主体则在保持一致性估计代理的未知奖励与通过提供自适应激励最大化自身效用之间进行权衡。

    Aug, 2023

  • 潜在贝叶斯惊喜驱动下的好奇心驱动探索

    利用人工好奇心提高强化学习系统的探索能力，本文提出了一种利用贝叶斯惊奇度作为衡量模型参数先验和后验之间差异的方法，将其应用于代理模型的潜在空间中，大大降低计算成本，研究表明其对连续任务的环境探索和视频游戏分数的影响要好于当前最先进技术，同时具有对抗随机性环境的鲁棒性。

    Apr, 2021

  • 受托机构强盗

    本文介绍了一种新的推荐系统模型，其面临探索 - 开发折衷，并可以被建模为多臂老虎机设置，由于用户具有自利性质，因此不能被强制性遵循推荐，作者提出了一种算法以探索为基础，同时考虑到代理人的利益，是一个渐进最优、刺激兼容、先验个体理性的推荐算法。

    May, 2019